摘要
本发明公开了面向虚拟数字平台搭建的数据采集方法及系统,具体涉及虚拟数字交互领域,用于解决用户兴趣捕捉与认知疲劳问题,是在虚拟展会、在线购物平台等场景中精准捕捉用户的长线兴趣,并有效应对短期认知疲劳现象。通过时变协方差矩阵和图神经网络的融合策略,实时监测用户多模态行为数据,动态调整模态权重并融合多维特征。结合时间序列分析与聚类算法,系统对比当前行为与历史基线,精准提取偏差数据。通过深度学习模型实时评估用户的认知疲劳状态,生成高风险和低风险反馈信号,触发基于长线兴趣的推荐优化。该技术方案确保推送内容与用户长期需求一致,避免信息过载造成的认知负担,提升了推荐精准性与用户体验,降低了流失率。
技术关键词
数据采集方法
深度学习模型
协方差矩阵
高风险
融合策略
偏差
疲劳特征
时间序列相似性度量
基线
长短期记忆网络
兴趣
融合多模态特征
融合多维特征
在线购物平台
动态
频率
信号
数据采集模块
系统为您推荐了相关专利信息
置信规则库
锂离子电池
指标
平滑方法
电池剩余使用寿命
风险监测方法
加权协同过滤算法
异构特征
高风险
时间序列特征
时序依赖关系
语音识别方法
深度学习模型
语言模块
样本
服务交互数据
信任度模型
语音
计算机可读指令
文本
自动标引方法
深度学习模型
标签
上下文特征
自动标引系统